嵌入式NILM 電力負(fù)荷識(shí)別及特征庫構(gòu)建系統(tǒng)設(shè)計(jì)

朱 昊，楊會(huì)軍，郭麗紅，包永強(qiáng)，王傳君

(1.南京工程學(xué)院信息與通信工程學(xué)院，江蘇 南京 211167；2.國網(wǎng)江蘇省電力公司信息通信分公司，江蘇 南京 210024)

目前我國智能電網(wǎng)物理系統(tǒng)已基本架設(shè)完畢。深入分析家庭內(nèi)部使用的電力負(fù)荷種類及工作狀態(tài)是實(shí)現(xiàn)電網(wǎng)智能化必須具備的重要能力。了解上述信息后，電力部門可以根據(jù)居民用電習(xí)慣合理制定電能調(diào)度方案，減少電力消耗，提高電網(wǎng)利用率[1-2]。但目前使用的智能電表只能讀取用戶用電總量，并不能實(shí)現(xiàn)上述功能。如要進(jìn)行各類電力負(fù)荷的狀態(tài)監(jiān)測(cè)，最簡(jiǎn)單的方法是在用戶的每個(gè)負(fù)荷上加裝傳感裝置，采集負(fù)荷用電信息。但這種方案的硬件成本巨大，不具備推廣價(jià)值。

研究表明，每種用電設(shè)備在運(yùn)行過程中都可以用一組信息反映其獨(dú)特的用電狀態(tài)。這組信息包括電壓、電流、有功功率等，稱之為負(fù)荷印記[3]。因此在現(xiàn)有智能電網(wǎng)物理結(jié)構(gòu)基礎(chǔ)上，直接采集入戶電表數(shù)據(jù)，基于人工智能技術(shù)對(duì)用電信號(hào)深度分析，識(shí)別負(fù)荷印記的非侵入式負(fù)荷監(jiān)測(cè)(non-intrusive load monitoring，NILM)技術(shù)具有重要應(yīng)用價(jià)值[4-6]。目前NILM 系統(tǒng)主要有兩種實(shí)現(xiàn)方式。一種是基于負(fù)荷印記特征庫的有監(jiān)督識(shí)別。其具體流程包括構(gòu)建面向負(fù)荷數(shù)據(jù)采集系統(tǒng)，采集用戶用電信息，采用人工智能方式進(jìn)行負(fù)荷分解，結(jié)合特征數(shù)據(jù)庫進(jìn)行負(fù)荷識(shí)別。其中，負(fù)荷印記特征庫的構(gòu)建包括采集不同電器不同工作狀態(tài)下的電量數(shù)據(jù)樣本，分析數(shù)據(jù)時(shí)頻特征、設(shè)計(jì)有效的負(fù)荷印記。另一種方式不需要特征庫，通過深度神經(jīng)網(wǎng)絡(luò)直接進(jìn)行負(fù)荷分解及識(shí)別。第二種方式雖然可實(shí)現(xiàn)自動(dòng)識(shí)別，但識(shí)別率較低，且深度學(xué)習(xí)對(duì)硬件要求較高[7，8]。因此基于負(fù)荷印記特征庫的識(shí)別方法更受研究人員關(guān)注。本文就負(fù)荷特征庫采集系統(tǒng)的構(gòu)建及負(fù)荷信號(hào)識(shí)別方法展開討論。

1 采集系統(tǒng)構(gòu)建

1.1 系統(tǒng)總體結(jié)構(gòu)

本系統(tǒng)基于STM32F407 微處理器對(duì)智能電表或集中器數(shù)據(jù)進(jìn)行采集、存儲(chǔ)、分析。智能電表和集中器可同時(shí)接入多個(gè)負(fù)荷。數(shù)據(jù)采集系統(tǒng)采集數(shù)據(jù)后可在本地進(jìn)行識(shí)別，也可以上傳至上位機(jī)進(jìn)行復(fù)雜處理。系統(tǒng)總體結(jié)構(gòu)如圖1 所示。

圖1 NILM 電力負(fù)荷采集系統(tǒng)

1.2 系統(tǒng)硬件結(jié)構(gòu)

智能電表相較傳統(tǒng)電表在通信方式上作出了許多拓展，利用不同的物理介質(zhì)有不同的通信方式，在我國使用比較廣泛的有如下幾種通信方式:RS-485通信、載波通信、GPRS 通信。其中，RS-485 通信相較于其他兩種通信方式，結(jié)構(gòu)簡(jiǎn)單、使用便捷，應(yīng)用廣泛。從硬件成本角度考慮，本系統(tǒng)采用RS-485 通信方式實(shí)現(xiàn)智能電表和STM32 之間的交互。RS-485串口通信模塊與STM32 電路連接如圖2 所示。系統(tǒng)選用MAX485 芯片驅(qū)動(dòng)。STM32 的PA2 口連接MAX485 的RO 引 腳，STM32 的 的PA3 口 連 接MAX485 的DI 引腳，STM32 的PG6 口連接MAX485的RE、DE 引腳。數(shù)據(jù)的接收與發(fā)送通過控制485_RE 引腳為0 或1 來實(shí)現(xiàn)的，數(shù)據(jù)通過485_RX 和485_TX 引腳收發(fā)。RX_485 通信模塊原理如圖2 所示。

圖2 485 通信模塊電路

系統(tǒng)配備了2.8 寸TFTLCD 觸摸屏，用于本地顯示采集結(jié)果。顯示屏主控芯片為ILI9341，觸摸控制芯片為XPT2046，用于將在觸摸屏上檢測(cè)到的觸摸點(diǎn)轉(zhuǎn)換為x，y坐標(biāo)值提供給LCD 的MCU 進(jìn)行處理。LCD 和XPT2046 與STM32 的連接如圖3、圖4 所示。

圖3 LCD 接口電路

圖4 XPT2046 驅(qū)動(dòng)電路

1.3 系統(tǒng)軟件設(shè)計(jì)

系統(tǒng)核心功能為采集負(fù)荷用電數(shù)據(jù)。我國智能電表采用電力系統(tǒng)的DL/T645-2007 協(xié)議進(jìn)行串行通信。DL/T645-2007 協(xié)議的幀格式如表1 所示。數(shù)據(jù)通信時(shí)，每幀數(shù)據(jù)域中的每個(gè)字節(jié)都會(huì)加33H進(jìn)行加密處理，所以在編寫接收部分代碼的時(shí)候，都要對(duì)接收到的電表返回幀的數(shù)據(jù)域數(shù)據(jù)減33H 解密。此外，為了傳輸數(shù)據(jù)的準(zhǔn)確性和及時(shí)性，在發(fā)送信息幀之前，需要發(fā)送4 字節(jié)的FEH，目的是為了在傳輸信息前喚醒接收方。

表1 DL/T645-2007 協(xié)議幀格式

RS-485 通信是半雙工的工作模式。系統(tǒng)需要采集的數(shù)據(jù)包括通信地址，電表電量，電壓，電流，事件記錄。所以需要分析的幀的格式有讀通信地址，讀數(shù)據(jù)。

(1)讀通信地址

發(fā)送請(qǐng)求讀電表的通信地址的信息幀為:

FE FE FE FE 68 AA AA AA AA AA AA 68 13 00 CS 16

FE 為喚醒符，68 為幀起始符，AA…AA 為地址域，13 是控制碼，表示這個(gè)信息幀的要求是讀取通訊地址，CS 為校驗(yàn)碼，它的計(jì)算方法是將每個(gè)信息幀第一個(gè)位開始到校驗(yàn)碼這一位結(jié)束，這兩位之前所有字節(jié)取模的相加，最后一個(gè)數(shù)據(jù)16 為結(jié)束符。

從站正常應(yīng)答的時(shí)候幀的格式為:

FE FE FE FE 68 A0 A1 A2 A3 A4 A5 68 93 06 A0 A1 A2 A3 A4 A5 CS 16

FE 為喚醒符，68 為幀起始符，A0…A5 為地址域，93 為返回幀的控制碼，表示返回的是通信地址，06為后面返回的數(shù)據(jù)長度，A0…A5 為返回的數(shù)據(jù)域，這里表示電表的通信地址，接收到數(shù)據(jù)，需要對(duì)這六位減33H 解密處理，16 為結(jié)束符。從站異常不應(yīng)答。

(2)讀數(shù)據(jù)

發(fā)送請(qǐng)求數(shù)據(jù)的信息幀為:

FE FE FE FE 68 A0…A5 68 11 04 DI0…DI3 CS 16

FE 為喚醒符，68 為幀起始符，A0…A5 是電表的通信地址，11 為幀的控制碼，表示現(xiàn)在希望獲取電表采集的數(shù)據(jù)信息，04 為后面攜帶的信息的字節(jié)長度，DI0…DI3 是數(shù)據(jù)標(biāo)識(shí)，表示需要獲取的數(shù)據(jù)種類。電量的標(biāo)識(shí)是00 00 01 00，電壓的標(biāo)識(shí)是00 01 01 02，電流的標(biāo)識(shí)是00 01 02 02，CS 是校驗(yàn)碼，16 是結(jié)束符。

從站正常應(yīng)答的時(shí)候幀的格式為:

FE FE FE FE 68 A0…A5 68 91 L DI0…DI3 N1…Nm CS 16

FE 為喚醒符，68 為幀起始符，A0…A5 為電表的通信地址，91 為幀的控制碼，表示返回的是讀取的電表信息，L為本幀后面所攜帶的數(shù)據(jù)的長度，L＝04H+m，m為返回的數(shù)據(jù)字節(jié)數(shù)，返回的數(shù)據(jù)電能的字節(jié)數(shù)為4，數(shù)據(jù)電壓的字節(jié)數(shù)為2，電流為3，N1…Nm為返回的數(shù)據(jù)，需要每位減去33H，CS 是校驗(yàn)碼，16 是結(jié)束符。

2 數(shù)據(jù)預(yù)處理

系統(tǒng)采集負(fù)荷數(shù)據(jù)會(huì)有噪聲疊加在其中。用于監(jiān)測(cè)負(fù)荷瞬態(tài)特性的高頻采樣數(shù)據(jù)噪聲更加嚴(yán)重。因此進(jìn)行數(shù)據(jù)處理前，首先要進(jìn)行去噪工作。去噪算法種類很多，如均值濾波、維納濾波、中值濾波等。均值濾波屬于線性濾波，算法簡(jiǎn)單，但不易消除脈沖噪聲。中值濾波主要用于消除脈沖噪聲點(diǎn)，對(duì)白噪聲濾除效果較弱。維納濾波主要用于濾除平穩(wěn)隨機(jī)噪聲，對(duì)于非平穩(wěn)隨機(jī)噪聲濾除能力有限[9，10]。本系統(tǒng)對(duì)采集電流信號(hào)噪聲進(jìn)行頻譜分析，信號(hào)時(shí)域和對(duì)應(yīng)頻譜如圖5 所示。

圖5 電流信號(hào)時(shí)域、頻域信號(hào)

如圖可見，NILM 測(cè)量噪聲類型為非白噪聲。而負(fù)荷投切瞬間包含非平穩(wěn)特性。故本系統(tǒng)先采用中值濾波，再使用均值脈沖對(duì)波形進(jìn)行平滑。中值濾波主要用于去除單脈沖干擾信號(hào)，因此窗口值設(shè)為3。均值脈沖主要用于對(duì)波形進(jìn)行平滑，窗口值可以較大，本系統(tǒng)取采樣頻率值的1/10。

3 事件監(jiān)測(cè)

3.1 事件監(jiān)測(cè)原理

采集系統(tǒng)識(shí)別用電負(fù)荷的工作狀態(tài)，首先需要監(jiān)測(cè)負(fù)荷的投切事件。負(fù)荷投切是指開啟電源工作以及關(guān)閉電源停止工作。系統(tǒng)監(jiān)測(cè)到投切事件后，才能識(shí)別負(fù)荷完整的工作過程，從而進(jìn)一步進(jìn)行特征提取。負(fù)荷除了投入和切除的瞬間電氣狀態(tài)會(huì)發(fā)生突變之外，運(yùn)行過程中功能的切換也會(huì)引起電氣狀態(tài)的變化。這種變化事件及其特征是負(fù)荷印記的重要組成，也需要進(jìn)行監(jiān)測(cè)。

NILM 系統(tǒng)事件監(jiān)測(cè)本質(zhì)上屬于變點(diǎn)統(tǒng)計(jì)分析問題[11]。對(duì)于某一種參數(shù)，如電流信號(hào)，NILM 系統(tǒng)采集所得為一維數(shù)組，數(shù)據(jù)按照時(shí)間排列。如果數(shù)據(jù)發(fā)生顯著變化則該時(shí)刻成為變點(diǎn)。目前NILM 系統(tǒng)中常用的事件監(jiān)測(cè)方法包括累積和(cumulative sum，CUSUM)法、粒子群法、小波分析法等。上述方法各具優(yōu)點(diǎn)但運(yùn)算量均比較大。基于硬件成本考慮，本系統(tǒng)采用STM32 嵌入式處理器為核心，因此算法復(fù)雜度不宜太大。根據(jù)此原則，本系統(tǒng)采用最小二乘法估計(jì)變點(diǎn)。

3.2 事件發(fā)生判定

最小二乘法的目標(biāo)函數(shù)是觀測(cè)值與理論值之差的平方和。最小二乘估計(jì)通過最小化目標(biāo)函數(shù)來獲取變點(diǎn)位置，即事件發(fā)生的時(shí)間。設(shè)樣本總量為n，Xi、di、ei分別為第i次的樣本觀察值、估計(jì)值和測(cè)量誤差。最小二乘模型如式(1)所示[12]。

式中，k為變點(diǎn)個(gè)數(shù)，樣本方差為σ。

本模型中，原假設(shè)H0:不存在變點(diǎn)是指s1＝s2＝…＝sk+1

如果si≠si+1則否定原假設(shè)H0，確認(rèn)有變點(diǎn)，且si對(duì)應(yīng)時(shí)刻τi為所求變點(diǎn)，即事件發(fā)生時(shí)刻。具體判定方法如下；

定義x1，x2，…，xn的樣本方差P如式(2)所示:

構(gòu)建判定方法:若滿足

則否定原假設(shè)H0，確認(rèn)有變點(diǎn)。若式(6)不成立則接受H0

根據(jù)極限定理[12]，式(6)中，閾值δ和方差σ2可分別用式(7)和式(8)進(jìn)行估算[13]

式中，α為檢驗(yàn)顯著性水平。

3.3 事件發(fā)生時(shí)刻τi 計(jì)算

在NILM 系統(tǒng)中，每種負(fù)荷的變點(diǎn)個(gè)數(shù)各不相同。對(duì)于家用電器而言，與其工作模式的數(shù)量有關(guān)。算法實(shí)現(xiàn)時(shí)，變點(diǎn)個(gè)數(shù)k的取值大于所測(cè)各種負(fù)荷的最大工作模式數(shù)量即可。

上述模型的目標(biāo)函數(shù)為

式中，規(guī)定τ0＝1，τk+1＝n+1，τ0＜τ1＜τ2＜…＜τk≤τk+1。如果τj時(shí)刻對(duì)應(yīng)的sj≠sj+1，則認(rèn)為τj是事件發(fā)生時(shí)刻。

對(duì)于目標(biāo)函數(shù)F，要使其最小可以分兩步處理。首先考慮sj對(duì)F的影響。令Yj為第j段之內(nèi)X觀察值的算術(shù)平均。

則可知當(dāng)τi不變，且si＝Y(jié)i時(shí)F最小。因此將F中的si替換為Yi后，F(xiàn)僅被τi影響。

根據(jù)式(11)可構(gòu)造相鄰比較法求得τi的確定位置。首先考察式(11)中的前兩項(xiàng)和

系統(tǒng)計(jì)算得到事件發(fā)生時(shí)刻后，可以讀取此時(shí)刻對(duì)應(yīng)的電壓、電流、功率數(shù)據(jù)，根據(jù)不同負(fù)荷的工作狀態(tài)變化特征構(gòu)建負(fù)荷印記，最終生成電力負(fù)荷特征庫。

4 實(shí)驗(yàn)與數(shù)據(jù)分析

系統(tǒng)采用第一節(jié)介紹基于STM32 的采集系統(tǒng)對(duì)不同負(fù)荷進(jìn)行測(cè)試。電表型號(hào)為三星DDS188。系統(tǒng)數(shù)據(jù)在本地處理的同時(shí)上傳至上位機(jī)便于觀測(cè)。系統(tǒng)工作場(chǎng)景如圖6 所示

圖6 數(shù)據(jù)采集現(xiàn)場(chǎng)

系統(tǒng)對(duì)于高采樣率的電流信號(hào)進(jìn)行濾波。系統(tǒng)采樣頻率為3 200 Hz。電流信號(hào)以及分別經(jīng)過中值濾波和均值濾波之后信號(hào)如圖7 所示。

圖7 電流信號(hào)去噪效果

從圖中可以看出，濾波后雖然幅值有所降低但并不影響變點(diǎn)位置。

為考察系統(tǒng)事件監(jiān)測(cè)準(zhǔn)確度，項(xiàng)目組對(duì)空調(diào)、洗衣機(jī)、電水壺、洗碗機(jī)4 種負(fù)載進(jìn)行功能測(cè)試，采樣頻率為1 Hz。記錄其穩(wěn)態(tài)特征，包括電壓、電流、有功功率和無功功率。各種波形如圖8 所示。

圖8 常用電力負(fù)荷穩(wěn)態(tài)特性

從圖中可以看出，電流和有功功率可以較好地反映負(fù)荷工作狀態(tài)，適合用于設(shè)計(jì)負(fù)荷印記。本文以電流為例考察事件監(jiān)測(cè)識(shí)別率。其中洗衣機(jī)電流變化頻率較高，本文選取16 min 至22 min 時(shí)間段數(shù)據(jù)進(jìn)行實(shí)驗(yàn)。識(shí)別結(jié)果如圖9 所示。

圖9 事件識(shí)別結(jié)果

從識(shí)別結(jié)果可以看出，當(dāng)信號(hào)變化頻率較低時(shí)，電流變化點(diǎn)通過本算法均能較好識(shí)別，當(dāng)變化頻率提高時(shí)，變點(diǎn)識(shí)別率略有下降。識(shí)別率量化計(jì)算可通過精確度PR、召回率RE以及綜合性能FM這三個(gè)指標(biāo)衡量[14]。首先由表2 所示混淆矩陣定義TP、FP、FN、TN。

表2 混淆矩陣

在此基礎(chǔ)上，有如下定義:

可見，PR表示識(shí)別出且真實(shí)的變點(diǎn)在所有識(shí)別出的點(diǎn)中的占比，即考察識(shí)別出的點(diǎn)是否全部正確。RE表示識(shí)別出且真實(shí)的變點(diǎn)在所有真實(shí)變點(diǎn)中的占比，即考察該識(shí)別的點(diǎn)是否全部識(shí)別。FM是綜合評(píng)價(jià)PR和RE的指標(biāo)。項(xiàng)目組對(duì)上文所述四種負(fù)荷進(jìn)行多組測(cè)試并與參考文獻(xiàn)[13]和參考文獻(xiàn)[10]的識(shí)別結(jié)果進(jìn)行比較。文獻(xiàn)[13]采用模擬退火算法，文獻(xiàn)[10]采用CUSUM+BIC 算法。比較結(jié)果如表3 所示。

表3 不同算法識(shí)別率

從表3 可以看出，本文算法與文獻(xiàn)[13]、文獻(xiàn)[10]算法大體相當(dāng)，但本文算法復(fù)雜度更加簡(jiǎn)單，適用于嵌入式系統(tǒng)。從數(shù)據(jù)還可以看出，本文算法對(duì)于負(fù)載工作狀態(tài)變化頻率較高的設(shè)備識(shí)別率較低，主要體現(xiàn)在洗衣機(jī)洗滌運(yùn)行階段。分析相應(yīng)表4 所示部分測(cè)試數(shù)據(jù)。

表4 洗衣機(jī)工作電流數(shù)據(jù)

從測(cè)量數(shù)據(jù)可知，此時(shí)洗衣機(jī)電動(dòng)機(jī)啟動(dòng)、停止時(shí)間均在2 s～3 s 左右。目前常用家電負(fù)荷用電狀態(tài)變化頻率均低于此頻率。因此本算法識(shí)別率可以適用于包括洗衣機(jī)在內(nèi)的常用家電負(fù)荷。

5 結(jié)論

本文設(shè)計(jì)基于STM32 處理器為核心的非侵入式家庭電力負(fù)荷采集系統(tǒng)。本系統(tǒng)可以用于采集各種家用電力負(fù)荷工作參數(shù)，并自適應(yīng)監(jiān)測(cè)負(fù)荷狀態(tài)變化，判別負(fù)荷工作特征，構(gòu)建NILM 系統(tǒng)負(fù)荷特征庫，為NILM 系統(tǒng)后續(xù)的電力負(fù)荷分解、辨識(shí)構(gòu)建樣本數(shù)據(jù)集。實(shí)驗(yàn)數(shù)據(jù)分析表明，本系統(tǒng)識(shí)別率可以滿足NILM 識(shí)別要求。相對(duì)于當(dāng)前研究成果中眾多的神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)算法，本系統(tǒng)算法復(fù)雜度簡(jiǎn)單，且嵌入式處理器架構(gòu)硬件成本低廉，更加便于推廣。